Tłumaczenie na żywo

Napisy i tłumaczenia w czasie rzeczywistym z mikrofonu, dźwięku systemowego lub obu — z opcjonalnym oknem overlay zawsze na wierzchu, więc napisy znajdują się nad tym, co oglądasz.

Co możesz z tym zrobić

• Napisy spotkań na żywo — dodawaj napisy do rozmowy Zoom / Meet / Teams w innym języku bez dołączania jako bot tłumacza.
• Nauka języka w czasie rzeczywistym — dodawaj napisy do treści w języku obcym (filmy, podcasty, wykłady) w swoim języku ojczystym jako ścieżce tłumaczenia.
• Napisy systemowe — przechwyć dźwięk systemowy, aby móc dodawać napisy do YouTube / Netflix / wszystkiego, co odtwarza się na twoich głośnikach.

Czego potrzebujesz

• FFmpeg w PATH — zobacz konfigurację FFmpeg.

• Backend STT, jeden z:

  • faster-whisper — lokalny, offline, darmowy, domyślny
  • Soniox — chmurowy, płatny, diaryzacja mówcy w czasie rzeczywistym. Zobacz konfigurację Soniox.

• Dla przechwytywania dźwięku systemowego odpowiedni backend per-OS jest auto-wybierany: Linux używa parec (PulseAudio / PipeWire), Windows używa natywnego WASAPI loopback (w większości przypadków bez dodatkowego oprogramowania), macOS używa ffmpeg -f avfoundation przeciwko wirtualnemu urządzeniu loopback (BlackHole / Loopback / itp.). Pojawia się inline banner ostrzeżenia z klikalnymi linkami instalacyjnymi, jeśli czegoś brakuje. Zobacz Setup → System audio po pełne instrukcje instalacji per-OS.

Krok po kroku

1. Kliknij Tłumaczenie na żywo w pasku bocznym.

2. Skonfiguruj raz w Settings → Live:

   • Język źródłowy (mówiony język)
   • Język docelowy (lub pozostaw pusty dla samej transkrypcji)
   • Źródło dźwięku: Mikrofon / Dźwięk systemowy / Oba
   • Metoda STT: Whisper / Soniox

3. Z powrotem na stronie Live kliknij Start (Ctrl+Enter).

4. Transkrypt wypełnia główny panel karta po karcie. Pływające okno Overlay również pokazuje napisy (przeciągnij je gdziekolwiek chcesz).
5. Kliknij Stop, aby zakończyć sesję.

Widok transkryptu

Wybierz układ w pasku narzędzi:

• Oba ułożone — oryginał + tłumaczenie, jeden nad drugim
• Oba obok siebie — oryginał po lewej, tłumaczenie po prawej
• Tylko oryginał / Tylko tłumaczenie

Przyciski paska narzędzi używają sufiksów ON / OFF dla stanu na pierwszy rzut oka — np. TTS ON, TTS OFF, Timestamps ON, Overlay OFF.

Przełącz timestampy ikoną zegara. Przełącz odtwarzanie TTS przetłumaczonych linii ikoną głośnika. Honoruje twój wybór Settings → Voice → TTS method — Edge TTS (domyślnie), ElevenLabs, Google Cloud TTS, Gemini TTS lub Piper TTS (całkowicie offline). Z wybranym Piperem brakujące głosy per-język cicho fallbackują na Edge TTS w środku strumienia — na tej stronie nie ma modalnego pre-flightu, ponieważ blokowanie strumienia na żywo dialogiem pobierania byłoby gorsze niż fallback.

Okno overlay

Przeciągalne, zmienialne, zawsze na wierzchu okno narzędzia. Skróty:

Skrót	Akcja
Ctrl+[ / Ctrl+]	Zmniejsz / zwiększ przezroczystość
Ctrl+Arrow	Przesuń overlay
Ctrl+0 / Ctrl+9	Powiększ / zmniejsz

Pozycja, rozmiar, przezroczystość i rozmiar czcionki utrzymują się między sesjami.

Synchronizacja na żywo z ustawieniami

Kontrolki rozmiaru czcionki i przezroczystości działają w obu kierunkach: przeciągnięcie suwaka Rozmiar czcionki lub Przezroczystość w Ustawienia → Tłumaczenie na żywo → Konfiguracja nakładki aktualizuje otwartą nakładkę w czasie rzeczywistym, a naciśnięcie + / - / Ctrl+[ / Ctrl+] wewnątrz nakładki aktualizuje suwaki w Ustawieniach. Nie ma potrzeby ponownego otwierania nakładki.

Symbol zastępczy stanu pustego

Przed przechwyceniem dźwięku nakładka wyświetla symbol zastępczy ("Naciśnij Start..." bezczynny / "Słucham..." po kliknięciu Start), który odzwierciedla stan pusty głównego okna — przełącznik pozostaje zsynchronizowany ze wskaźnikiem stanu. Symbol zastępczy dostosowuje się do bieżącej szerokości × wysokości nakładki, aby pozostać czytelny przy dowolnym rozmiarze okna.

Tryb minimalnych napisów

Pole wyboru Pokaż minimalne napisy w Ustawienia → Tłumaczenie na żywo → Konfiguracja nakładki ukrywa znaczniki czasu i mówcy na nakładce, jednocześnie pozostawiając je widoczne w głównym oknie. Przydatne, gdy nakładka jest udostępniana publiczności (tryb prezentera / udostępnianie ekranu), ale chcesz zachować pełne metadane w widoku roboczym. Przełącznik dotyczy tylko nakładki — nie zmienia preferencji "Etykiety mówcy" dla głównego okna.

Zapisz transkrypt

Kliknij Save Transcript, aby wyeksportować sesję do pliku .txt z timestampami, mówcami, oryginalnymi liniami i przetłumaczonymi liniami.

Wybór backendu STT

Backend	Najlepszy do	Koszt	Latencja
Whisper (lokalny)	Offline, wrażliwy na prywatność	Darmowy	Średnia (~1 s po końcu zdania)
Soniox	Spotkania wielomówcowe	Płatny (~$0.005 / min)	Niska (czas rzeczywisty)

Zastrzeżenia

Wybór mikrofonu

Wejście mikrofonu zawsze używa domyślnego urządzenia OS — brak selektora w aplikacji (sounddevice eksponuje zbyt wiele wirtualnych pluginów ALSA, aby był użyteczny, a OS już posiada interfejs domyślnego mikrofonu). Ustaw preferowany mikrofon w ustawieniach dźwięku OS przed startem.

Ograniczenie kolejki TTS (Backpressure)

Kolejka TTS jest ograniczona do 3 najnowszych zdań — starsze audio w kolejce jest porzucane, jeśli synteza pozostaje w tyle. To utrzymuje mówione odtwarzanie blisko napisów na ekranie.

ElevenLabs bez klucza

Jeśli ustawiłeś metodę TTS na ElevenLabs, ale żaden klucz API nie jest skonfigurowany, strona Live automatycznie fallbackuje na Edge TTS i ogłasza fallback w etykiecie statusu.

Skróty

Skrót	Akcja
Ctrl+Enter	Start / Stop
Ctrl+K	Wyczyść log (z potwierdzeniem)
Ctrl+[ / Ctrl+]	Dostosuj przezroczystość overlay